Решающая роль данных журнала скважин в оценке запасов газа

Точная оценка запасов газа является основой обоснованных инвестиционных решений и эффективной разработки месторождений. Данные журнала скважин, непрерывно получаемые вдоль скважины, обеспечивают запись высокого разрешения свойств подземных пород и насыщения жидкости, что необходимо для построения надежных статических моделей резервуаров. Путем перевода этих физических измерений в нефтефизические параметры геофизики и инженеры-резервисты могут совершенствовать оценки газа на месте, уменьшать неопределенность и оптимизировать стратегии развития от разведки до добычи.

Непрерывный характер журналов скважин является одной из их самых сильных сторон. В отличие от образцов ядра, которые обеспечивают дискретные, высокоточные точки данных, журналы обеспечивают почти непрерывную запись, которая показывает вертикальную неоднородность и тонкие производственные слои, которые в противном случае могли бы быть пропущены. В этой статье исследуется, как различные типы журналов способствуют каждому этапу объемного расчета и как передовые рабочие процессы объединяют эти данные с динамическими измерениями для получения надежных оценок запасов. Понимание того, как извлечь максимальную ценность из программ регистрации, имеет важное значение для любого оператора, стремящегося минимизировать риск в разработке газовых месторождений.

Как хорошо бревна характеризуют подповерхность

В журналах скважин измеряется реакция геологических формирований на физические стимулы — естественную радиоактивность, электрический ток, акустические волны или нейтронную бомбардировку. Каждый тип журнала реагирует на специфическую комбинацию литологии, пористости и поровой жидкости, что позволяет интерпретаторам строить непрерывный профиль образования. При оценке газового резервуара журналы используются для идентификации и количественной оценки критических компонентов углеводородной системы: породы резервуара с адекватной емкостью хранения (пористостью), взаимосвязанное поровое пространство, позволяющее газу течь (проницаемость), и доля этого порового пространства, занятого газом (насыщение).

Интеграция этих параметров с данными о давлении, температуре и составе жидкости напрямую подводится к объемным расчетам запасов газа, которые определяют решения по размещению скважин, проектированию завершения и экономике месторождения. Без надежной интерпретации журнала оценки запасов несут недопустимую неопределенность, часто приводя к неоптимальным инвестициям или упущенным возможностям. Современные наборы лесозаготовок, включая передовые инструменты LWD, минимизируют пробелы в данных и позволяют принимать решения в режиме реального времени во время бурения, особенно в дорогостоящих морских или глубоководных средах.

Ключевые петрофизические параметры, полученные из бревен

Обсуждение Shale Volume from Gamma Ray Logs

Журнал гамма-лучей регистрирует естественную радиоактивность, которая в значительной степени контролируется концентрацией калия, тория и урана. Сланцы, как правило, более радиоактивны, чем чистые песчаники или карбонаты, что делает гамма-луч литологическим индикатором первого порядка. Применяя линейные или нелинейные методы индекса, такие как коррекции Клавье, Штейбера или Ларионова, интерпретаторы вычисляют непрерывный объем сланца (V) сланцев . Этот параметр необходим, потому что глиняные минералы ухудшают качество резервуара: они блокируют поровые горла, снижают эффективную пористость и удерживают несводимую воду. Точный V сланцевый является отправной точкой для всех последующих расчетов пористости и насыщения, и его неопределенность непосредственно распространяется на оценки запасов. В ламинированных сланцевых песках спектральные данные журнала гамма-лучей могут помочь дифференцировать типы глины и уточнить V

Пористость от плотности, нейтрона и звуковых логов

Плотность массы, нейтронная пористость и звуковые журналы времени транзита реагируют на общую пористость, но по-разному. Журнал плотности дает плотность матрицы в сочетании со знанием доминирующего типа зерна (например, кварца при 2,65 г / куб. см.). В чистом образовании пористость может быть получена непосредственно из журнала объемной плотности с использованием стандартного уравнения. Журнал нейтронов измеряет индекс водорода, в первую очередь чувствуя пористость, заполненную водой; в газоносных образованиях индекс водорода снижается, в результате чего пористость нейтронов читается ниже, чем пористость плотности - характерный «перекресток» на совместимых масштабах, который является классическим газовым индикатором.

Соник (акустические) бревна обеспечивают пористость через уравнение времени Уайлли или отношение Рэймера-Ханта-Гарднера, которые особенно полезны, когда на плотность или нейтронные бревна влияют условия скважины. Мультиминеральные растворители объединяют все три пористости бревна для одновременного решения матричного состава, пористости и эффектов жидкости, значительно повышая точность в гетерогенных литологиях. Для плотных газовых песков может быть усилено несоответствие между нейтроном и пористостью плотности, требуя тщательных экологических поправок и калибровки ядра для достижения надежных результатов. В карбонатных образованиях вагги и пористость трещин усложняют интерпретацию бревен, часто требуя бревен буровых изображений для прямой идентификации вторичной пористости.

Насыщение жидкости из журналов устойчивости

Углеводороды являются электрически резистивными, в то время как вода формирования является проводящей. Инструменты глубокого чтения сопротивления измеряют истинное сопротивление образования (R]t), из которого можно вычислить насыщение воды (Sw, используя уравнение Арчи или более продвинутые модели шале-песка, такие как Waxman-Smits, Dual-Water или модель Индонезии.В газоносных зонах контраст между Rt и сопротивлением соседней водонасыщенной зоны (R0) выражен, обеспечивая четкую газовую подпись.

Решая для Sw с известными формирующимися водостойкостью (Rw), пористостью, а также цементацией и насыщением экспонентами (m, n), интерпретаторы получают непрерывную оценку подвижного и остаточного насыщения газа.w в ламинированных или дисперсных глинах, а неопределенность в m и n из измерений SCAL часто является самым большим фактором резервного диапазона.Техническая библиотека Schlumberger предоставляет подробное руководство по выбору соответствующих моделей сопротивления для газовых резервуаров, включая истории случаев из Северного моря и Мексиканского залива.

Показатели проницаемости от бревен

В то время как большинство обычных журналов не измеряют проницаемость непосредственно, они обеспечивают сильные прокси. Эмпирические отношения между пористостью и проницаемостью (например, модель Козени-Кармана) могут быть откалиброваны до основных измерений для получения журналов проницаемости. Журналы ядерного магнитного резонанса (NMR) обеспечивают распределение пор по спектрам релаксации T2, позволяя оценивать объем свободной жидкости и проницаемость через уравнения Тимура-Коутса или Шлюмбергера-Куклы-Исследования.

For tight gas sands and shales, NMR and borehole image logs help identify fracture networks and connected porosity that drive commercial production. The integration of NMR-derived permeability with production logs and pressure transient analysis enables more accurate prediction of well deliverability and ultimate recovery. In deepwater gas fields, where coring is expensive and limited, NMR logs have become a standard tool for permeability estimation, often reducing the need for costly well tests.

Переводы журналов в расчеты газа на месте

Передача данных журнала скважины в газ на месте (GIIP) следует за систематическим рабочим процессом. Во-первых, интерпретатор определяет чистую оплату - интервалы, которые отвечают минимальным отсечениям по пористости, объему сланца и часто насыщению воды. Значения отсечения определяются из базового анализа, относительных данных проницаемости и экономических соображений (например, минимальная пористость, которая дает коммерческие скорости потока). Свойства, полученные из журнала, усредняются по чистой оплате с использованием таких методов, как среднее значение пористости с учетом толщины и среднее гармоническое значение для удельного сопротивления, обеспечивая объемный расчет, почитающий истинное распределение качества породы.

Основное объемное уравнение для исходного газа (в стандартных кубических футах) состоит в следующем:

GIIP = A × h × φ × (1 − S]w) × 1/Bg

где A - площадь резервуара (акр), h - толщина нетто-платы (ноги), φ - средняя эффективная пористость (десятая), S w - средняя насыщенность воды (десятая), а B g - коэффициент объема газообразования (резервуар кубических футов на стандартный кубический фут). B g получен из давления пласта, температуры и состава газа с использованием реального закона газа и факторов сжимаемости (z-факторов). Хорошо журналы поставляют локальные h, φ и S w ; когда эти профили интегрированы по полю посредством геологического моделирования, они образуют основу объемной оценки.

Для перехода от ГИИП к извлекаемым запасам применяется коэффициент извлечения (R]fff, зависящий от приводного механизма, интервала между скважинами, свойств породы и стратегии завершения. Для газовых резервуаров с сильной поддержкой водоносного горизонта или истощением давления коэффициенты извлечения могут колебаться от 70% до 90%. В плотных газовых или сланцевых месторождениях коэффициенты извлечения часто ниже 40% даже при обширном гидравлическом разрыве. Ключевую роль в оценке количества газа могут играть бревенчатые функции проницаемости и насыщенности-высоты. В водоводных резервуарах кривые относительной проницаемости из бревен или данные о ядрах имеют решающее значение для моделирования притока воды и конечного извлечения газа.

Передовые методы для гетерогенных водохранилищ

Чистые предположения о песчанике или карбонате редко встречаются в реальных резервуарах. Шали-пески, ламинированные образования и минералогически сложные породы требуют передовых нефтефизических моделей. Многоминеральные растворители итеративно корректируют объемы минералов, пористость и насыщенность жидкости, чтобы минимизировать разницу между всеми доступными ответами на журнал и передовой моделью. Этот подход обрабатывает переменные типы глины, тяжелые минералы и вторичную пористость. Страницы анализа журнала скважин AAPG Wiki обеспечивают глубокое руководство по таким рабочим процессам, включая подробные тематические исследования газовых месторождений по всему миру.

В газовых сланцах лог-интерпретация также должна учитывать адсорбированный газ. Общее содержание газа - это сумма свободного газа в поровом пространстве и адсорбированного газа на органических веществах и глиняных поверхностях. Сложные нефтефизические модели включают оценки общего органического углерода (TOC) из наложений плотности / резистивности или журналов спектроскопии, наряду с изотермами Лангмуира, для количественной оценки адсорбированного компонента. Без этой коррекции объемные оценки могут значительно недооценивать ресурс - иногда на 20-50% в сланцах с высоким ТОС. Кроме того, наличие керогена влияет на плотность и реакции нейтронного журнала, требуя специализированной обработки для отделения органического вещества от матричных минералов.

Тройные комбо и квадрокомбо лесозаготовительные комплексы, будучи интегрированными с передовыми инструментами, такими как диэлектрическая дисперсия или перекрестно-дипольная звуковая обработка, обеспечивают более полную картину в сложных резервуарах. Диэлектрические журналы, например, различают связанную и свободную воду, улучшая точность Sw в шерстяных песках с различной соленостью. В трещинных карбонатах анализ волн каменного камня из звуковых журналов может оценить проницаемость трещин, параметр, который обычные журналы пористости не могут захватить.

Калибровка с помощью данных Core

Основные измерения обеспечивают истину о земле для параметров, полученных из журнала. Рутинная пористость ядра (пористость гелия) используется для калибровки плотности, нейтронов и звуковых преобразований пористости. Трансформации проницаемости настроены на исправленные Клинкенбергом проницаемости ядра, которые учитывают поток проскальзывания газа в плотных образованиях. Экспоненты цементации и насыщения (m и n) в уравнении Арчи определяются из специального анализа ядра (SCAL) на выбранных образцах - обычно дюжина или более пробок ядра, охватывающих диапазон пористости и минералогии.

Общество инженеров-нефтяников поддерживает стандарты отчетности о запасах, которые подчеркивают ценность такой калибровки для повышения определенности. На странице стандартов запасов SPE излагаются требования к детерминированной и вероятностной отчетности о запасах. На практике надежная программа калибровки может снизить неопределенность в GIIP на 10-20 процентных пунктов, что делает ее одной из самых ценных инвестиций в рабочий процесс оценки резервуара. Операторы должны уделять приоритетное внимание кольцеванию в ключевых скважинах и обеспечивать тщательное соответствие сдвигов глубины журнала глубине к глубине ядра, чтобы избежать систематических ошибок.

Количественная неопределенность и вероятностные методы

Даже при хорошо откалиброванных журналах объемные параметры содержат присущую погрешность измерений, вариабельность выбора и боковую гетерогенность. Детерминированные однозначные оценки все чаще уступают место вероятностным методам. Используя моделирование Монте-Карло, интерпретатор присваивает распределения вероятностей пористости, насыщенности водой, толщине нетто-платы, площади и Bg на основе данных журнала, калибровки ядра и аналоговых данных поля. Тысячи реализаций генерируют распределение GIIP, из которого извлекаются результаты P10, P50 и P90.

Этот подход согласуется с рамками классификации ресурсов, задокументированными Национальной методологией оценки нефти и газа (FLT:0) Геологической службы США, которая применяет вероятностные методы для оценки масштабов бассейна. Методология USGS также подчеркивает важность определения уровней доверия и отчетности о запасах с соответствующими факторами риска.

Неопределенность в насыщении воды часто является самым большим вкладчиком в объемный диапазон. Распространение ошибок в Rt, Rw и показателях Арчи, чувствительность GIIP к каждой переменной может быть количественно оценена. Диаграмма торнадо обычно показывает, что Sw дисперсия приводит к 60-70% спреда GIIP, за которым следуют пористость и толщина чистой платы. Эти знания определяют приоритеты сбора данных — такие как запуск дополнительных журналов, заполнение ключевых интервалов или взятие образцов воды для формирования — для снижения доминирующих неопределенностей до приемлемого уровня. В глубоких газовых играх, где затраты на бурение высоки, вероятностное моделирование помогает ранжировать хорошие места и оправдывать программы оценки.

Интеграция скважинных журналов с динамическими производственными данными

Статические объемные оценки из журналов являются только одной стороной оценки запасов. Динамические данные - скорости потока, измерения давления и истории производства - обеспечивают независимую проверку через анализ баланса материала и кривой убывания (DCA). Исследование баланса материала на газовом резервуаре требует знания начального давления, кумулятивного производства и свойств ПВТ; первоначально объем, который удовлетворяет уравнению баланса материала, должен соответствовать полученной из журнала объемной оценке. Когда существует значительное расхождение, оно часто указывает на неучтенную компартментализацию, неправильную модель водоносного горизонта или пропущенные слои резервуара, что вызывает переоценку интерпретации журнала по всей области.

В нетрадиционных играх, анализ скорости-переходной скорости (RTA) и численное моделирование, которые включают проницаемость, пористость и стимулированный объем резервуара, используемые для истории, соответствуют производству и уточняют расчетный конечный объем извлечения (EUR) на скважину. Сочетание журналов высокого разрешения с микросейсмическими и волоконно-оптическими данными позволяет операторам понимать геометрию разрыва и обновлять объем контактированного газа, закрывая цикл между статичными и динамическими моделями. Этот итерационный процесс имеет важное значение для бронирования доказанных запасов в соответствии с руководящими принципами SEC или PRMS, где производительность производства - не только журналы - должны подтвердить оценку. В глубоководных газовых месторождениях переходный анализ давления от нарастающих испытаний обеспечивает дополнительную проверку проницаемости и кожных факторов.

Тематическое исследование: оценка твердого песчаника

Рассмотрим глубокий, плотный резервуар песчаника газа в Скалистых горах США. Типичный набор журналов включает гамма-луч, сопротивление, плотность, нейтрон и звуковые журналы. Журнал гамма-лучей идентифицирует чистый интервал песчаника с V сланцевой последовательно ниже 0,20 (20%). Пористость плотности составляет 8%, в то время как пористость нейтронов составляет 5%, производя отчетливый газовый кроссовер в верхних 40 футах. Глубокое сопротивление превышает 30 ом-м. По сравнению с водоносным сланцевым сопротивлением 2 ом-м. С R w 0,05 ом-м при температуре образования 200°F, среднее насыщение воды по архиевым данным составляет 35% с использованием m=2,0 и n=2,1 (калибровано из SCAL на смещенных ядрах).

После применения отсечек (пористость > 4%, V]сланцев< 0.25, Swg 0,0035 кубических футов резервуара на стандартный кубический фут, GIIP на скважину рассчитывается примерно до 1,4 BCF. История добычи в течение первого года показывает гиперболическое снижение с начальной скоростью 3 MMCFD, а EUR, оцененный по DCA, составляет 0,9 BCF, подразумевая коэффициент восстановления 64%. Тесное соглашение между статическим объемным и динамическим EUR повышает уверенность в интерпретации на основе журнала и поддерживает продолжение многолуночного развития. Однако оператор также запускает вероятностное моделирование, которое дает P10 0,8 BCF, P50 1,3 BCF и P90 2.0 BCF для GIIP, резервируя более низкий показатель для доказанных запасов.Дополнительная работа включает приобретение дипольных звуковых журналов для калибровки давления закрытия трещин для оптимизации конструкции гидравлического перелома.

Будущие направления: машинное обучение и аналитика в реальном времени

Автоматизированная интерпретация журналов, движимая машинным обучением, ускоряет оценку запасов. Нейронные сети, обученные на больших нефтефизических базах данных, могут прогнозировать пористость, проницаемость и фальсификат непосредственно из необработанных данных журнала с высокой точностью, даже в скважинах, где калибровка ядра скудна. Эти модели могут отмечать аномальные интервалы - обнаружение переломов, неисправностей или диагенетических изменений - которые ручная интерпретация может упустить из виду. SPE's Journal of Petroleum Technology сообщил об успешных развертываниях, где петрофизика, управляемая ИИ, сократила время разворота более чем на 50%, сохраняя согласованность в сотнях скважин, позволяя быстрее оценивать месторождения и более частые обновления моделей резервирования.

Системы регистрации в режиме реального времени во время бурения (LWD) теперь передают данные на облачные вычислительные платформы, которые выполняют мгновенные вычисления пористости и насыщения. Геостационарные команды используют эти живые интерпретации для корректировки траекторий скважин и обеспечения максимального контакта с наиболее продуктивными газовыми зонами, непосредственно улучшая коэффициент восстановления и уверенность забронированных запасов. Интеграция журналов в реальном времени с автоматизированной интерпретацией и непрерывным обновлением моделей резервуаров представляет собой следующий рубеж в оценке запасов - переход от статических, полевых оценок к динамическим, полевым оценкам, которые адаптируются по мере получения новых данных. Краевые вычисления на буровой установке могут обеспечить обработку почти нулевой задержки, предупреждая бурильщиков о неожиданных аномалиях давления или изменениях жидкости, прежде чем они повлияют на скважину.

Заключение

Данные журнала скважины формируют основу расчетов запасов газа, превращая невидимые свойства недр в количественные числа. От простого анализа гамма-лучей и удельного сопротивления до сложных многоминеральных и машинных рабочих процессов, интеграция журналов с калибровкой ядра и динамическими данными о производстве улучшает объемные оценки и уменьшает неопределенность. По мере того, как резервуары становятся все более сложными - более глубокими, более жесткими и более гетерогенными - достижения в технологии лесозаготовок, алгоритмах интерпретации и интеграции данных будут продолжать заострять способность отрасли точно оценивать и управлять ресурсами природного газа. Эта продолжающаяся эволюция лежит в основе обоснованных инвестиционных решений и помогает обеспечить долгосрочное энергоснабжение в эпоху растущего спроса на надежные, низкоуглеродные запасы газа.

Для специалистов-практиков, работающих с газовыми резервуарами, ключевым выводом является то, что ни один источник данных не является достаточным. Журналы обеспечивают пространственное разрешение, необходимое для количественной оценки неоднородности, но они должны быть откалиброваны с помощью ядра, проверены с производственными данными и хеджированы с помощью вероятностных методов для получения оценок запасов, которые выдерживают нормативный контроль и оценку финансовых рисков. Будущее принадлежит интегрированным рабочим процессам, которые сочетают в себе лучшее из петрофизики, геостатистики и науки о данных, что обеспечивает большую определенность от каждого фута журнала скважин. По мере созревания машинного обучения и аналитики в реальном времени роль петрофизика будет развиваться от рутинной интерпретации до стратегического надзора, гарантируя, что запасы, полученные из журнала, отвечают самым высоким стандартам целостности и надежности.